衝破認知框架：用 AI 驅動長贏決策

來源： Harvard Business Review 九月號「搶先看」 作者： Felipe A. Csaszar（密西根大學羅斯商學院，策略決策研究者） 日期： 2026/08/20（CJ哥 2026-08-21 分享，全文已補齊）

核心論點

策略決策的瓶頸從來不是缺少可能的方向，而是人類的心理量能有限。學者稱之為「有限理性」（bounded rationality）：注意力、記憶力與處理能力的限制，決定了領導人每一輪策略規劃只能評估寥寥數個選項。標準策略架構之所以簡單——SWOT 四象限、BCG 矩陣 2×2、波特五力——不是因為世界真的如此簡單，而是這些架構必須簡單到人類團隊能在幾小時內畫上白板。

生成式 AI（LLM + 多代理系統）能直接鬆綁這些認知限制：生成並篩選數千種選項、打造動態且資料豐富的環境模型、以模擬審議取代受團體迷思與層級干擾的會議。限制沒有被消除，但已大幅放寬——這不只是效率提升，而是策略品質的改善。

三大認知任務 × AI 的對應轉變

任何策略決策的核心都涉及三大認知任務，AI 逐一鬆綁：

1. 搜尋（Search）：從幾個選項到幾千個選項

傳統一輪策略規劃：提出十幾個想法 → 縮到 3、4 個 → 團隊精力花在決選討論；絕大多數可能性從未探索

麥肯錫案例：軟體公司用生成式 AI 偵察系統，將語義搜尋結合超過 4,000 萬家上市與私有企業資料庫（專利、申報文件、專家訪談逐字稿等），不到一天找出 500+ 收購標的並評分 → 縮小到 15 個高潛力對象 → 幾個月內完成 3 件收購

啟示：AI 負責擴大搜尋範圍，人類負責最後的決選。領導人做重大策略選擇前，應先要求 AI 依過濾條件生成遠比團隊平常考慮的更廣泛的選項清單

2. 表徵（Representation）：從靜態架構到動態模型

傳統：架構、試算表、季度報告——本質靜態且簡化，必然遺漏細微差異與即時變化

網商銀行（MYbank，螞蟻集團）案例：以 AI 系統取代傳統陽春信用模型，運用 3,000+ 變項（交易資料、供應鏈關係、企業網絡、衛星影像），推出「3-1-0」模式——3 分鐘申貸、1 秒放款、全程零人工干預。已向超過 5,300 萬家小型企業提供信貸，72% 是首次貸款，違約率約 1%

聯合利華冰淇淋案例：AI 模型整合天氣機率、需求訊號、35 家工廠約 300 萬台連網冷凍櫃遙測資料，不斷更新「哪裡需求成形、哪裡供給可能不足」，管理者即時介入而非事後反應。瑞典預測準確率 +10%，部分地區銷售成長達 3 成

啟示：低解析度模型換成高解析度後，不只服務更快，更看見全新的客群與機會（網商銀行看見幾千萬家傳統銀行看不見的值得放款客戶）

3. 整合（Integration）：從團體迷思到結構化挑戰（合成審議）

問題：策略會議受層級、政治、個性與時間限制左右；位階最高者的看法影響力不成比例；提出異議有風險；團隊太急著得到共識

解法：合成審議（synthetic deliberation）——透過 AI 推動的審議流程對構想壓力測試，不受團體互動因素干擾。可簡單可複雜：

- 麥肯錫多代理工作流程：「創作者」AI 代理撰寫分析草稿＋「批評者」AI 代理有系統地提出挑戰——原本需要團隊親自進行的嚴謹反覆討論被自動化 - BCG 亨德森智庫策略演練：由 AI 代理代表競爭對手、監管機構、顧客與其他利害關係人；不同於固定規則模擬，這些代理反應更難預測、更像真人，能逼迫管理團隊面對單憑己力無法想像的情境

寶僑（P&G）現場實驗（最嚴謹證據，776 名商研專業人員參與實際創新任務）：

- 使用 AI 的個人，成果品質 ≈ 不使用 AI 的兩人團隊平均水準 - 使用 AI 的團隊：速度加快約 12%，更有可能提出品質前 10% 的解決方案 - 減少商業與研發人員各自為政，讓兩職能互相理解觀點、提出更平衡的構想

領導人啟示：結構化 AI 挑戰必須納入決策流程——一個代理為策略方向產生最有力論點、一個提出反對、一個模擬競爭對手反應；另可建立合成討論小組（顧客、地區經理、監管機構）檢視決策在不同利害關係人眼中的樣貌

⚠️ 限制與風險：LLM 輸出可能自信滿滿卻充斥微妙錯誤、內在矛盾甚至虛構證據；合成審議可能提出看似合理卻抓錯重點的反對意見。AI 增強策略的品質取決於輸入資料品質＋人類對輸出的判斷 → 策略人員的重要性不減反增

研究發現：AI 已非策略認知的局外人

作者與同事的實驗（經驗豐富的投資人評等）：

LLM 生成的商業計畫，評等已超越真人創業家在新創加速器與商業計畫競賽中的提案

AI 評估商業計畫的結果，比個別投資人的評估更貼近投資人評審團的平均判斷——AI 既能大規模生成策略選項，還能以高於人類專家的一致性加以評估

意涵：不代表 AI 準備好取代策略團隊，但策略核心的認知工作已不再由人類獨占

競爭優勢：當所有人都擁有 AI（1995 網際網路類比）

「競爭對手也能買到一樣的 AI 模型」的質疑，最實用的類比是 1995 年的網際網路：核心技術已普及、不專屬任何公司，但亞馬遜、Netflix、Google 勝出不是因為擁有網站，而是把網際網路視為重塑公司的平台，建立對手無法輕易複製的商業模式、能力與資料資產。當成公用設施用 → 大宗商品化；當成平台 → 數十年的護城河。三種具體方法：

用你的資料，讓 AI 變得更聰明

- 用專有資料（顧客歷史、交易模式、內部研究）微調或做為模型基礎 - 摩根士丹利 AI 助理：16,000 名財務顧問存取 10 萬+ 內部研究文件，採用率 98%，文件檢索效率從 20% 提高到 80% - Stripe Radar 詐欺偵測：以幾百萬家企業每年 1.4 兆美元支付金額資料訓練，任何信用卡有 92% 機率系統已在網絡中見過；競爭對手用同一套演算法也因缺資料追不上

將 AI 部署到只有你擁有的流程

- 流程是第二道護城河：AI × 專有工作流程（策略邏輯、組織知識、競爭情境）＝外界難以窺見、難以複製的能力 - 約翰迪爾 See & Spray：基礎技術（電腦視覺＋ML）已普遍，但整合精準農業設備後每秒掃描約 2,100 平方英尺、每分鐘 5,000+ 次噴灑決策、除草劑用量降低 50-77%。護城河＝硬體＋現場資料＋經銷商網絡；策略意義：從設備製造商轉型為精準農業平台，開闢「資料驅動農場管理」新營收

比對手更快抵達新的績效疆界

- 技術重大轉折期，「抵達新績效疆界」比「營運效能」影響更重大 - Duolingo：GPT-4 後快速推出角色扮演／解釋我的答案／視訊通話，但護城河是專有學習模型 Birdbrain——5 億+ 用戶每天約 12.5 億次練習的行為資料；通用模型是大宗商品，圍繞它建立的學習系統才是護城河

良性循環：更好決策 → 更精準競爭定位 → 更好資料 → 更好決策；績效疆界不斷移動，持久優勢＝不斷抵達新疆界

總結：AI 做為技術正在無所不在；做為能力（融入資料、流程、執行速度）並非如此。當大宗商品 → 只提高所有人的競爭門檻；當平台 → 數一數二的競爭優勢來源

AI 時代領導人行動指南

先擴大選項範圍，再逐步收斂：重大策略決策（收購、進市場、產品組合）先用 AI 生成涵蓋廣泛的初選清單，再讓團隊討論決選清單；過去探索成本過高導致太早收斂

以動態模型取代靜態快照：選組織最倚重的策略表徵（顧客區隔、競爭定位、需求預測），從定期更新的文件升級為隨情勢變化的動態模型；目標是呈現目前架構本身還無法顯示的內容

讓結構化的挑戰成為制度的一部分：不要讓異議成為偶然，設計進流程；把「創作者—批評者—競爭者」工作流程納入各項重大決策，讓結構化挑戰像建立財務模型一樣成為常態

將策略人員的職責從分析重新定義為建構：關鍵資源從分析轉為想像力、從資料填入架構轉為設計策略流程本身；需要「混合型策略人員」（界定策略問題、設計 AI 工作流程、知道何時讓機器接受人類判斷）。重大提案送交前必須做到 3 件事：AI 找出廣泛方案清單並評估篩選、建立即時競爭環境模型、取得結構化批評結果

讓 AI 的使用成為日常：摩根士丹利 98% 採用率的關鍵是融入顧問既有工作流程；從員工深感痛苦的決策流程下手，用 AI 重塑，讓新流程成為預設流程——好用自然形成文化

結尾願景（異地策略會議 2.0）

AI 已自動掃描數百種可能性、篩出最有希望的選項清單；牆上呈現即時市場模型而非 6 個月前的過時資訊；任何簡報前建議已通過結構化批評考驗（AI 代理唱反調、模擬競爭對手、扮演心存疑慮的顧客）。會議對話更精準、選項更有說服力，省下的時間拿來回答只有人類能回答的問題：我們真正相信什麼？我們願意承擔哪些風險？我們想成為怎樣的企業？

對 CJ 哥的價值

「有限理性→AI 鬆綁」是強而有力的顧問敘事：可以用一句話診斷台灣企業的痛點——「你的策略會議被認知上限綁架」，再帶到 AI 擴展搜尋/表徵/整合三大能力，正好對應 RongRise 的 AI 轉型輔導語言

案例數據庫直接可引用：網商銀行（5,300 萬家／72% 首貸／違約率 1%）、聯合利華（+10% 準確率／+30% 銷售）、麥肯錫併購偵察（500+ 標的／15 決選／3 件成交）、寶僑實驗（776 人／個人=兩人團隊／速度+12%）、摩根士丹利（98% 採用／檢索 20%→80%）、Stripe Radar（92% 見過卡）、約翰迪爾（除草劑 -50~77%）、Duolingo Birdbrain（12.5 億練習/日）

「AI 生成商業計畫評等超越真人」＋「1995 網際網路類比」是極佳 hook，可用於電子報或知識庫文章

與既有內容互補：麥肯錫 pilot trap 講 HR 營運層級，這篇講策略決策層級——兩個層級合起來就是「AI 時代的管理者怎麼重新設計決策體系」的完整故事

「混合型策略人員」呼應我們的人才策略敘事：策略人員從分析→建構、AI 流程設計成為核心職能，正好是 RongRise 培訓/顧問產品可以切入的新角色市場

與我們 5 Phase roadmap 互證：AI 不只要自動化執行，更要升級決策品質——決策升級正是顧問的價值所在

行動建議

知識庫文章題材：「你的策略會議，兩天只產出 3 個選項——這不是市場的錯，是腦力的錯」

電子報 hook：「AI 生成的商業計畫，已經比真人創業家更會寫」＋網商銀行數據＋寶僑實驗

可發展成診斷問題：企業目前的策略流程，搜尋/表徵/整合三項任務各被什麼限制綁住？哪一項先導入 AI 效益最大？

「創作者—批評者—競爭者」工作流程可直接包裝成顧問工作坊的實作單元

榕耀版實務對照：[[AI協作戰略規劃方法論]]（四階段流程＋四案例＋心法，與本文互證）

最後更新：2026-08-21